登录社区云，与社区用户共同成长
邀请您加入社区
摘要： GPU训练效率低下的核心瓶颈在于数据搬运，而非算力不足。计算机存储呈金字塔结构，从寄存器到HBM显存，速度逐级下降而容量增大。GPU的HBM带宽虽高达3.35TB/s，但相比其算力仍有295倍差距，导致99%时间在等待数据（Memory-Bound）。数据搬运存在两道关口：GPU内部HBM瓶颈和CPU→GPU的PCIe传输瓶颈（仅64GB/s）。算术强度（FLOP/Byte）和Roofli
摘要： Redis 8.2通过回归AGPLv3协议、支持多线程命令执行和原生向量索引，解决了Redis 7.x的许可、性能与功能瓶颈。金蝶天燕AMDC基于Redis 8.2内核，叠加向导式部署、灰度升级、MPTCP多路径传输等企业级增强，适配国产芯片与操作系统，提供高性能、低延迟的分布式缓存方案，尤其适合政企、金融及AI场景的向量检索与高并发需求，助力国产中间件实现技术超越。
Hermes Agent 接 LiteLLM 网关时，因 provider: custom 未显式指定 api_mode，默认走 OpenAI 兼容协议，导致 Prompt Cache 缓存字段从未发送，命中率为 0%。本文记录排查过程、根因分析（api_mode 自动推断逻辑）及修复方法：加一行 api_mode: anthropic_messages，将请求协议从 OpenAI SDK 切换到
本文深入解析了LRU（最近最少使用）缓存算法的原理与实现。LRU通过哈希表和双向链表结合，以O(1)时间复杂度完成数据访问和插入，优先淘汰最久未使用的数据。文章详细介绍了LRU的工作流程，提供了Python代码实现示例，并探讨了LRU-K、2Q等优化变体。作为缓存淘汰的经典策略，LRU广泛应用于数据库、操作系统和Web服务中，能有效提升系统性能。理解LRU算法对系统设计和性能优化具有重要意义。
从CPU缓存到分布式缓存，缓存技术已经成为现代计算机系统的核心组件！记住⚡ 缓存是"用空间换时间"的典型应用📊 局部性原理是缓存存在的理论基础🎯 命中率是衡量缓存效果的核心指标🔄 好的替换策略能提高命中率💡 缓存不是万能的，需要根据场景选择下次当你使用手机APP、浏览网页、玩游戏时，不妨想想背后的缓存技术——正是这些看不见的"加速器"，让我们的数字生活变得更加流畅和便捷！
redis提供了复制(replication)的功能，通过"主从(一主多从)"和"集群(多主多从)"的方式对redis的服务进行水平扩展,用多台redis服务器共同构建一个高可用的redis服务系统。如何实现主从服务器之间的数据复制同步？
简介Redis使用的是客户端-服务器（CS）模型和请求/响应协议的TCP服务器。这意味着通常情况下一个请求会遵循以下步骤：客户端向服务端发送一个查询请求，并监听Socket返回，通常是以阻塞模式，等待服务端响应。服务端处理命令，并将结果返回给客户端。Redis客户端与Redis服务器之间使用TCP协议进行连接，一个客户端可以通过一个socket连接发起多个请求命令。每个请求命令发出后c...
【2025下半年系统架构设计师案例分析】电商平台 MySQL + Redis 与缓存击穿治理
Redis分布式限流利用Redis单线程原子性、高性能和共享存储特性，提供计数型（固定/滑动窗口）和令牌桶型两种核心方案，适用于接口限流、资源保护、业务防刷等场景。生产环境推荐Lua脚本实现原子化操作，或使用Redisson组件，前者适合自定义限流规则，后者内置令牌桶等高级算法。关键优势在于解决分布式系统全局控速问题，避免单机限流统计不一致。
缓存穿透(查询不存在数据)指的是查询一个根本不存在的数据，由于缓存中没有这个数据，所以每次请求都会穿透缓存层，直接访问数据库。)是指在大量的key设置了相同的过期时间，导致在缓存在同一时刻全部失效，造成瞬时DB请求量大、压力骤增，引起雪崩。)指的是当某个热点数据在缓存中过期时，大量的请求直接打到了数据库上，导致数据库压力骤增的情况。1、缓存击穿是什么以及解决方案。2、缓存雪崩是什么以及解决方案。3
Tendis是一款完全兼容Redis协议的分布式存储系统。它采用RocksDB作为存储引擎，所有数据都通过RocksDB存储到磁盘上，从而支持远超内存的存储容量，并大幅降低用户的存储成本。同时，Tendis支持使用Redis客户端进行访问，应用程序几乎无需修改即可无缝迁移至Tendis平台。Tendis作为一款高性能的分布式存储系统，凭借其强大的功能和出色的性能，已经在大规模数据存储、高并发请求处
通常我们习惯使用数据库的自增字段来作为ID，但是，这种方式生成的ID规律性强，安全性较低，容易被人猜测出来。并且在数据很多的时候，往往需要对数据库进行分库分表操作，这种ID生成方式加大了分库分表的复杂度，因此生成一些要求安全性高，唯一性高的ID时，不采用数据库自动生成的方式。全局唯一ID在开发中的应用很多，特别是在生成一些诸如订单编号，对ID的唯一性，安全性，高可用性，生成的高效性有严格的要求。这
Redis分布式锁通过看门狗机制解决锁过期问题。当客户端获取锁后，会启动一个后台线程定期检查并续期锁，防止业务未完成时锁自动释放。Redisson实现了这一机制：通过Lua脚本原子性操作锁，每10秒续期一次（默认30秒过期）。客户端正常释放锁时会停止看门狗，异常崩溃时锁会自然过期避免死锁。该机制提高了锁的可靠性，但会增加Redis负载且不适用于强一致性场景。实际应用中需权衡安全性、可用性和性能。
本文为 Flutter for OpenHarmony 跨平台应用开发任务 49 实战教程，完整实现应用内存管理优化功能，通过通用对象池管理、LRU智能图片缓存策略、实时内存泄漏检测三大核心能力，在鸿蒙设备上打造了完整的内存管理体系，全方位降低应用内存占用、减少GC卡顿、提升应用生命周期稳定性。基于前序无障碍功能、多设备同步、本地存储等能力，完成了内存管理服务框架封装、对象池实现、图片缓存优化、内
本文全面介绍了Redis在现代互联网架构中的核心应用，从基础原理到高级功能实现。首先解析Redis的核心特性：单线程模型、持久化机制和内存淘汰策略。随后详细讲解九大数据结构的实战应用，包括String、Hash、List等基础类型及Bitmap、HyperLogLog等高级类型。重点探讨生产环境中的关键问题解决方案：分布式锁实现、Lua脚本原子操作、缓存穿透/击穿/雪崩的应对策略。最后提供Redi
这篇文章不是简单的“Prompt压缩技巧汇总”或者“用便宜的开源模型替代闭源模型”——那只是成本治理的战术层面操作，只能解决“当前账单高”的问题，解决不了“未来用户量涨10倍、100倍怎么办”的战略层面难题。我会带你站在AI商业闭环设计师和软件架构师的双重角度，构建一张完整的Agent成本治理全景图先拆解成本构成：用经济学的“边际成本”“固定成本”“可变成本”模型，告诉你LLM Agent的每一分
Harness层是Agent的核心控制平面，相当于Agent的操作系统内核，所有的请求调度、资源编排都经过这一层，标准的Agent架构如下：fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;用户端Harness调度层记忆层大模型推理层工具服务层
文章摘要： 大模型API缓存机制包含三个层级：1）KVCache位于GPU显存，加速单次对话生成，对话结束即释放；2）网关响应缓存基于Redis存储完整请求哈希，命中可降低50%费用；3）PromptCache持久化固定前缀的KV状态，允许后续请求复用。前两者分别对应显存瞬时优化和内存级请求复用，后者则实现长前缀的跨会话复用。理解这些机制差异有助于优化请求结构，降低API使用成本。缓存本质是服务商
本文探讨了分布式系统中单机锁的局限性及解决方案。在集群环境下，传统synchronized锁失效，因为不同JVM的锁监视器相互独立。作者提出使用Redis实现分布式锁，通过SETNX命令确保多服务器间互斥访问共享资源。文章详细分析了锁自动拆箱的NPE风险、动态锁名的实现方式，以及try-finally确保锁释放的重要性。最后展示了如何在订单业务中应用Redis分布式锁，强调正确释放锁避免死锁的关键
langchain4j vs springAIhttps://spring.io/projects/spring-ai#learn首先我们先创建一个SpringBoot项目，需要添加Spring Web依赖和OpenAI依赖创建完后会发现加入了依赖：接着 我们需要在application.properties中添加如下配置，我所使用的是千问的开源模型qwen3然后我们在项目包下创建一个子包cont
云主机与物理机选型对比分析 摘要：本文对比分析了云主机与物理机的性能、成本、可用性等关键指标。研究表明，云主机在弹性扩展、运维简化等方面优势明显，适合Web服务、开发测试等场景；物理机在极致性能、硬隔离等需求下更具优势，适合高频交易、大型数据库等场景。根据中国信通院数据，2024年全球云计算市场规模达6929亿美元，中国市场规模1212亿美元。选型时需综合考虑业务规模、预算和技术需求，中小型企业可
Redis在AI服务中的核心应用包括：缓存大模型对话历史、存储Embedding向量、管理热点数据和接口限流。通过设置TTL实现自动数据清理，既节省内存又保证时效性。实战示例展示了Redis与FastAPI的集成方案：1）对话系统缓存问答结果；2）用户信息查询优先读取Redis缓存；3）采用哈希结构存储结构化数据。关键技术点包括：惰性删除机制减少性能损耗、MD5生成缓存键名、组合使用内存与持久化存
大模型原生上下文窗口的容量限制，是当前AI Agent落地过程中面临的核心痛点：多轮对话容易遗忘用户需求、复杂任务执行到中途就跑偏、无法积累长期交互经验形成个性化能力。作为AI Agent控制中枢的Harness Engineering（智能体管控工程）中，记忆机制是决定Agent智能程度的核心模块，其作用等同于人类大脑的海马体与大脑皮层。
Redis是高性能键值数据库，被称为“缓存之王”，广泛应用于后端开发。本文系统讲解Redis核心知识，包括：1）基础特性：内存存储、单线程模型、丰富数据结构；2）5种核心数据类型及应用场景；3）高频面试题解析：单线程高效原因、缓存一致性问题、分布式锁实现等；4）实战优化：热key处理、大key拆分、持久化配置等。文章涵盖Redis从基础到高级的内容，兼顾学习与面试需求，帮助开发者全面掌握这一必备中
Redis（Remote Dictionary Server）是一款开源的高性能内存数据结构存储系统，广泛用作缓存、消息队列、会话存储和实时分析引擎。其核心优势在于极致的读写性能、丰富的数据类型支持以及灵活的高可用与扩展架构。本指南基于对核心知识点的系统梳理，全面覆盖从基础原理到高级运维的完整技术体系。为帮助读者快速建立认知框架，本文将Redis知识体系划分为与：涵盖数据类型、编码实现与对象系统。
Redis作为高性能内存数据库，其核心机制包括：1）基于epoll多路复用的网络模型，通过红黑树管理FD实现高效事件监听；2）智能内存管理，包括过期Key处理和内存淘汰策略。epoll采用事件驱动模式，相比select/poll减少了FD拷贝和遍历开销，支持百万级并发连接。Redis通过回调机制实现高效IO处理，数据就绪时直接通知用户空间，避免无效等待。内存管理方面，Redis采用定期删除+惰性删
Redis 是完全开源的，遵守 BSD 协议，是一个高性能的 key-value 数据库。 Redis 与其他 key - value 缓存产品有以下三个特点：1：Redis支持数据的持久化，可以将内存中的数据保存在磁盘中，重启的时候可以再次加载进行使用。2：Redis不仅仅支持简单的key-value类型的数据，同时还提供list，set，zset，hash等数据结构的存 储。3：Redis支持
本文介绍了一个基于uniapp UTS插件开发的手机媒体文件获取工具，支持图片和视频的分页查询、缩略图自动生成与缓存功能。插件可返回文件名称、大小、路径、创建时间及视频时长等信息，适用于需要自定义相册UI渲染的场景。目前仅支持Android平台，通过原生API实现高效文件访问，后续计划扩展至iOS和鸿蒙系统。插件提供详细的错误代码和异常处理机制，开发者可通过简单API调用实现媒体文件管理功能。下载
本文通过一个互联网大厂Java求职者谢飞机的面试故事，涵盖Java核心语言、Spring Boot框架、微服务架构、消息队列Kafka等技术点。面试官严肃提问，谢飞机时而答得清晰，时而模糊应对，最终展示了技术与业务的紧密结合，适合Java初学者和求职者学习。
这是我给粉丝盆友们整理的网络安全渗透测试入门阶段Redis未授权访问漏洞教程完整网络安全零基础入门教程请看文末扫描免费获取Redis安装后，如果绑定在，并且没有进行采用相关的策略，比如添加防火墙规则避免其他非信任来源 ip 访问等，这样将会将 Redis 服务暴露到公网上，如果在没有设置密码认证或使用弱口令的情况下，会导致任意用户在可以访问目标服务器的情况下未授权访问 Redis 以及读取 Red
缓存
——缓存
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
openEuler 社区
深开鸿 技术专区
人工智能6S服务平台
龙虾开发者社区
腾讯云开发者社区
